目录
__init__方法：
pre_process方法：
run方法：
filter_boxes方法：
view_img方法：
__init__方法：
-
- 初始化类的实例时，创建一个
onnxruntime的推理会话，加载名为yolov8n.onnx的模型，并指定使用 CPU 进行推理。
- 初始化类的实例时，创建一个
-
pre_process方法：- 接受一个图像路径作为参数。
- 读取图像并将其从 BGR 颜色空间转换为 RGB 颜色空间。
- 计算图像的最大边长，创建一个全零的新图像，大小为最大边长的正方形，将原始图像复制到新图像中。
- 将新图像调整为
640x640的大小并归一化，然后增加一个维度并交换维度，以满足模型输入的要求。 - 计算图像的缩放比例并返回预处理后的图像和缩放比例。
def pre_process(self,img_path):
img=cv2.imread(img_path)
img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
max_edge=max(img.shape)
h,w,c=img.shape
img_back=np.zeros((max_edge,max_edge,3),dtype=np.float32)
img_back[:h,:w]=img
img_scale=cv2.resize(img_back,(640,640))/255
img_scale=np.expand_dims(img_scale,axis=0)#升维度(1,640,640,3)
img_scale=img_scale.transpose(0,3,1,2)#交换维度
scale=max_edge/640
return img_scale,scale-
run方法：- 接受一个图像路径作为参数。
- 调用
pre_process方法对图像进行预处理，得到预处理后的图像和缩放比例。 - 使用预处理后的图像进行模型推理，得到输出结果。
- 将输出结果传递给
filter_boxes方法进行进一步处理。
def run(self,img_path):
img_process,scale=self.pre_process(img_path)
input_name=self.session._inputs_meta[0].name
session_out=self.session.run(None,{input_name:img_process})[0][0]#(84,8400)
session_out=session_out.transpose(1,0)#8400,84
self.filter_boxes(session_out,scale)-
filter_boxes方法：- 接受模型输出结果和缩放比例作为参数。
- 遍历模型输出的每一行，提取边界框信息（中心坐标、宽、高）和类别信息。
- 根据边界框信息计算边界框的四个顶点坐标，并找到最大置信度的类别索引和置信度值。
- 如果置信度大于 0.6，则将边界框信息、类别索引和置信度值分别添加到对应的列表中。
- 调用
view_img方法显示图像和检测结果。
def filter_boxes(self,session_out,scale):
#cx,cy,w,h,cls(80)
boxes=[]
confs=[]
classes=[]
rows=session_out.shape[0]
for row in range(rows):
infos = session_out[row]
cx,cy,w,h=infos[:4]
x1=(cx-w//2)*scale
y1=(cy-h//2)*scale
x2=(cx+w//2)*scale
y2=(cy+h//2)*scale
cls=infos[4:]
idx=np.argmax(cls)
conf=cls[idx]
if conf>0.6:
confs.append(conf)
boxes.append((x1,y1,x2,y2))
classes.append(idx)
self.view_img(img_path,boxes,classes,confs)-
view_img方法：- 接受图像路径、边界框列表、类别列表和置信度列表作为参数。
- 读取图像。
- 遍历边界框列表，对于每个边界框，绘制在图像上，并打印类别和置信度信息。
- 显示处理后的图像，并等待用户按下任意键退出程序，关闭所有窗口。
def view_img(self,img_path,boxes,classes,confs):
img=cv2.imread(img_path)
size=len(boxes)
for i in range(size):
cls=classes[i]
conf=confs[i]
x1,y1,x2,y2=boxes[i]
x1,y1,x2,y2=int(x1),int(y1),int(x2),int(y2)
cv2.rectangle(img,(x1,y1),(x2,y2),color=(0,0,255),thickness=3,lineType=cv2.LINE_AA)
print(f'cls={cls},conf={conf}')
cv2.imshow('win', img)
cv2.waitKey(0)
cv2.destroyAllWindows() 
还可以添加一个nms
